Hans Olav Melberg SØTE FORVIKLINGER Kjell Senneset

(1)

UNNSØKONOMEN NR. 3 2019 • 133. årgang

SAMFUNNSØKONOMEN

NR. 3 • 2019 • 133. årgang

Hans Olav Melberg SØTE FORVIKLINGER Kjell Senneset

BOLIGAVGANG OG BOLIGBEHOV Øyvind Kragh Kjos

UT MED KONTANTER?

John K. Dagsvik

ENSRETTET EMPIRISK MIKROØKONOMI?

Ottar Brox

KYSTFOLKETS ALLMENNING PRIVATISERT Ragnar Torvik

NY TEKNOLOGI, PRODUKTIVITETSVEKST

OG RENTER

(2)

Innhold

NR. 3 • 2019 • 133. ÅRG.

FOR- OG BAKSIDEBILDE: CREDIT: SAMFOTO FOTOGRAF: DAG RØTTERENG

SAMFUNNSØKONOMEN

• REDAKTØRER

Ragnhild Balsvik • NHH Jan Yngve Sand • UiT Gaute Torsvik • UiO

Manus, annonsebestilling og generell korrespondanse til Samfunnsøkonomens redaksjon kan sendes til:

[email protected]

• PROSJEKTLEDER Marianne Rustand

[email protected]

• UTGIVER

Samfunnsøkonomene Leder: Trond Tørstad

Generalsekretær: Sigurd Løkholm

• ADRESSE

Samfunnsøkonomene Kristian Augusts gate 9 0164 Oslo

Telefon: 90 86 75 20

[email protected] www.samfunnsokonomene.no Bankgiro: 8101 48 08221 Mediaplan 2019

• MANUS PUBLISERINGSDATO ANNONSEFRIST Nr. 3 24. mai 18. jun 05. jun Nr. 4 30. aug 19. sep 09. sep Nr. 5 28. okt 15. nov 05. nov Nr. 6 28. nov 18. des 06. des

Abonnentene i Norge må beregne 1–3 dager ekstra til postgang

• PRISER

Abonnement kr. 1100.-

Enkeltnr. inkl. porto kr. 195.-

• ANNONSEPRISER (ekskl. moms)

1/1 side kr. 6690.-

3/4 side kr. 6040.-

1/2 side kr. 5390.-

Opplag: 2880

Design: www.deville.no Trykk: 07 Media AS ISSN 1890-5250

. . .

07 M EDIA – 2041 0379 MILJØMERKET TRYKKE

RI

• LEDER 3

• AKTUELL KOMMENTAR

Søte forviklinger:

Avgift på sukker, brus og sjokolade 4

Hans Olav Melberg Evig eies kun et boligbygg.

Om boligavgang og boligbehov 8

Kjell Senneset

Er det på tide å fase ut kontanter? 18

Øyvind Kragh Kjos

Sviktende ambisjoner og ensretting i

empirisk mikroøkonomi? 26

John K. Dagsvik

• AKTUELL ANALYSE

Slik blir kystfolkets allmenning privatisert 32

Ottar Brox

• ARTIKKEL

Ny Teknologi, Produktivitetsvekst og Renter 40

Ragnar Torvik

• DEBATT

Nytten av kraftkabler og fornybar energi 49

Anders Kringstad, Jan Bråten og Vegard Holmefjord

• INTERVJU

Rolf Aaberge 53

Klara Wade

• FORSKNINGSNYTT

VIL DU MOTTA MER ELLER MINDRE PENGER? 56

Sigve Tjøtta

• BOKOMTALE

Samuel Pufendorf - økonomifagets bestefar 58

John A. Hunnes

(3)

LEDER

SAMFUNNSØKONOMEN NR. 3 2019 // 3

Usikker på det. Det me treng er kraftige kutt i utslepp av CO₂ til atmosfæren. Spørsmålet er korleis me får det til, så fort og billig som mogeleg.

Me kan produsera mindre. Det er urealistisk, så vidt eg veit er det ingen politiske parti som går inn for negativ økonomisk vekst. Vil me ha meir varer og tenester og mindre utslepp må produksjonen verta reinare. Då har me to alternativ.

Me kan gjera det dyrare å bruke fossil energi, enten ved å bruka ein karbonskatt eller ved å setja ein kvote på samla utslepp, og kombinera den med kvotehandel. Eller me kan gjera det billigare å produsera og bruka grøn energi, ved å støtta forskning og utvikling av nye grøne energikjeder og ved å subsidiera bruk av fornybar energi.

Enova er ein del av subsidieringslinja. Dei brukar omlag 3 milliardar kroner for å støtta hushald og industri som svingar over til ny energisparande teknologi og for å støtta utvikling av ny grøn infrastruktur og teknologi. Det er ikkje billig å redusera CO₂ gjennom ei søknadsbasert stø- nadsordning. Det kostar å drifta og evaluera Enova, og dei på den andre sida brukar tid og ressursar for å finna ut kva dei skal sei og gjera for å få stønad.

I tillegg tilbyr Enova stønadsordningar som verkar lite gjennomtenkte. Kvifor støtta huseigarar som vil ha varme- pumpe og vannboren varme i huset sitt, og kvifor tilby pengar til dei som lyt grave opp oljetanken sin? Den siste ordninga har ingen åtferdseffekt og har heilt sikkert ein uheldig fordelingseffekt. Desse postane utgjer rettnok ein liten del av aktiviteten til Enova, men poenget er at ei ord- ning med selektive subsidiar lett får slike utvekstar.

Grøn teknologi treng ei hjelpande hand i konkurransen med fossil energi. Det er eksternalitetar i forskning og utvikling av ny teknologi. Store faste kostnader, læring gjennom produksjon og nettverkseffektar på etterspurnad- sida gjer at volumet må opp for å få kostnadane ned. Grøn

teknologi treng starthjelp. Men hjelpa treng ikkje vera subsidier, det kan like godt vera ein karbonskatt som gjer det dyrare å bruka fossil energi.

Stort sett er det smartare å skattelegga det me vil ha mindre av enn å subsidiera det me i dag gissar vert framtidas grøne teknologi. Ein karbonskatt slår to fluger i ein smekk, han reduserer etterspurnaden etter fossil energi og gjev entreprenøren og investoren insentiv til å utvikla teknologi som kan produsera energi med lågare karbonutslepp. Ein høg karbonskatt gjer det dessutan lønsamt å fanga og lagra karbon.

Det er dessverre ei fluga som surrar høglydt der oppe etter at dei to andre er smekka. Nesten ingen lengtar etter høge skattar, og for å få fart på karbonreduksjonen må skatten vera høg, mykje høgare enn det som er prøvt så langt. Gule vestar og bomringprotestar minner oss på at det kan verta vanskeleg å innføra ein høg karbonskatt.

I eit opprop i Wall Street Journal på nyåret argumenterer eit knippe svært prominente økonomar for ein karbonskatt.

Rettnok altfor låg. Dei ser den politiske utfordringa og foreslår at inntektene frå skatten med ei gong vert returnert flatt til alle husstandar. Ei karbonfinansiert borgarløn. Det er eit godt forslag. Sidan rike folk brukar meir fossil energi enn fattige har det også ein fin fordelingseffekt. Tre fluger i ein smekk.

Karbonprising er altså betre enn subsidier. Men er karbonskatt betre enn karbonkvote? Det fins nokre velkjente svar på det spørsmålet. I tillegg til dei er det eit viktig poeng at karbonskatten ikkje annullerer effekten av private miljøinitiativ. Det kan eit kvotesystem gjera. Dersom total- kvoten er uavhengig av etterspurnaden hjelper det ikkje å redusera eige forbruk av fossil energi i eit kvotesystem.

Slike gode initiativ har derimot full effekt dersom me brukar karbonskatt for å få opp karbonprisen.

Gaute Torsvik

Treng me Enova?

(4)

AKTUELL KOMMENTAR

4 // SAMFUNNSØKONOMEN NR. 3 2019 HANS OLAV MELBERG

HANS OLAV MELBERG Førsteamanunesis, UIO

BAKTEPPET

Det hele startet sent på kvelden i 2017. Noen hadde behov for penger. Mye penger. Minst en milliard.

Noen var regjeringen, årsaken til pengebehovet var økte utgifter i budsjettforliket, og svaret ble en økning av særavgiftene på sjokolade, sukker og drikkevarer.

Godterihungrige nordmenn skulle nå betale litt over 2 kroner i avgift per halvliter brus og 7 særavgiftskroner for en stor melkesjokolade, eller mer presist 4,75 kroner i avgift per liter brus, og 36,92 kroner per kilo sjokolade. Avgiftene hadde man hatt lenge, sjokoladeavgiften ble innført i 1922, men dette var en økning på over 80% for sjokolade og mer enn 40% for avgiften på drikkevarer. Alt i alt skulle det gi inntekter på over 1 milliard mer enn før, og totalt bidro avgiftene med over 4 milliarder kroner i inntekter for staten. Økningen i sjokoladeavgiften ble reversert i 2019, men drikkevareavgiften forble uendret.

LOKAL STORM

Økningen utløste lokal storm. NHO frøs deler av sitt sam- arbeid med myndighetene om sunnere matvarer og sendte et søksmål til ESA der man argumenterte for at avgiften var i strid med EØS-reglene om statsstøtte. Problemet var paradoksalt nok ikke for de som måtte betale en avgift, men at de som produserer lignende produkter ikke må betale avgift - og dermed implisitt kan sies å få statsstøtte som de risikerer å måtte betale tilbake. Det var, for eksempel, ingen avgift på juice og kjeks. Norske myndigheter er uenige i denne tolkningen. De springende punktene er hvor lignende de andre produktene er, om økningen representerer en ny avgift eller bare en justering av en gammel avgift, og hva slags begrunnelse avgiften har. EØS-reglene gir for eksempel adgang til særavgifter så lenge det har en god helsebegrunnelse.

For å se på mulige løsninger, oppnevnte Finans departe- mentet «sukkerutvalget». Ti personer ledet av advokat

Søte forviklinger:

Avgift på sukker, brus og sjokolade

I 2018 satte Finansdepartementet ned et utvalg for å vurdere særavgiftene på sukker, sjo-

kolade og drikkevarer. Utvalget leverte sin utredning i april 2019 der man var enige om at

avgiftene ikke var optimale, men uenige om hva slags alternativ man burde velge. I denne

kommentaren, argumenteres det for at man burde ha foreslått en differensiert avgift med en

helsebegrunnelse.

(5)

OMMENTAR

HANS OLAV MELBERG

Cecilie A. Dyrnes, skulle på noen få måneder vurdere de ulike avgiftene og mulige alternativer: To uavhengige juris- ter, tre økonomer, en fra folkehelseinstituttet, to fra NHO og to fra LO.

Med denne sammensetningen, er det kanskje ikke overras- kende at konklusjonene ble delte (Finansdepartementet, 2019). Et knapt flertall mente at man burde ha en helsebegrunnet avgift på omtrent de samme varene, mens et mindretall, fra LO og NHO, mente at avgiften umiddelbart burde avvikles. Det alle kunne enes om, var at avgiftene slik de eksisterer i dag ikke er optimale.

FAG OG POLITIKK

Selv om uenigheten ikke var uventet, er det flere interes- sante aspekter ved arbeidet. For det første er det de rent faglige problemstillingene knyttet til eksistens og størrelse på særavgifter. Hva sier økonomisk teori om når man eventuelt bør ha avgifter, hvor store de bør være og hvordan de bør utformes? I tillegg til det rent faglige rundt særavgifter, kan arbeidet også brukes som et springbrett for mer sub- jektive refleksjoner om økonomers rolle i utvalgsarbeid.

Satt på spissen: Hvordan bidra positivt som fagperson uten å prøve å ta rollen som politikerne skal ha?

Svaret jeg vil forsøke å forsvare, er at det er i siste instans er umulig å være yppersteprest uten en religion, men når mange har det samme verdigrunnlaget får ekspertene en betydelig rolle som ligger nær den normative beslutningen.

Når det gjelder det faglige, vil jeg argumentere for at dagens avgift ikke er optimal, og at et system med en helsebegrunnet og differensiert avgift etter sukkerinnhold og skadeom- fang, er et bedre alternativ. Konkret vil det bety en avgift som er stigende med sukkerinnholdet i brus og sjokolade.

Erfaringer fra Storbritannia tyder på at en slik avgift kan endre adferden til både produsentene og konsumentene.

ULIKE BEGRUNNELSER

Bør vi ha særavgifter på sjokolade, sukker og brus?

Særavgiftsutvalget fra 2007 mente at avgiften burde avvikles (Finansdepartementet, 2007). Rett nok ga den inntekter til staten, men økonomisk teori tilsier at fiskale avgifter bør være generelle. Når man legger en avgift på enkelte varer, skaper det uheldige vridningseffekter. Desto større priselasisiteten er, desto større er vridningene og velferds- tapet som følge av disse. Som en ren fiskal avgift, er det derfor få som liker sukkeravgiften.

Økonomer i sukkerutvalget var enige med særavgiftsutval- get, men det er her en interessant avveining mellom faglig renhet og politiske avveininger. Man kan gjerne anbefale å fjerne sukkeravgiften og argumentere for at inntektene bør komme fra merverdiavgiften, men det er et lite nyttig råd dersom det er politisk umulig å øke momsen. Ramseys regel om at fiskale avgifter bør være relatert til priselastisi- teten, tar heller ikke hensyn til praktiske kostnader knyttet til å kreve inn og håndheve avgiften. Spesielt drikkevareavgiften har vært en relativt enkel avgift å administrere, mens sjokoladeavgiften har skapt noe flere avgrensningsproble- mer. For eksempel er marsipangriser avgiftsbelagt, mens marsipanpølse er uten avgift. Slike utslag representerer imidlertid mer morsomme kuriositeter enn store praktiske problemer. Noe mer problematisk fra et fiskalt perspek- tiv, er at man kan unngå avgiften ved å handle i utlan- det. Sverige har ikke særavgift på brus og sjokolade, og en avgiftsøkning i Norge vil da delvis kunne omgås ved å handle mer i Sverige. Alt i alt, kom derfor også dette utvalget til særavgiften ikke var en god fiskal avgift.

En mulig bedre begrunnelse for særavgifter, er at konsumet har eksterne effekter. Argumentet er at brus og sjokolade påvirker helsen negativt og at det fører til fedme, diabetes og andre helseplager som skaper kostnader for en tredje- part. Avgiften bør da reflektere skaden den påfører tredje- parter, men estimatene på dette området er så få og usikre at det er svært vanskelig å gi råd om hvor stor en eventuell avgift bør være. Man kunne også argumentere for at en slik helsebegrunnet avgift burde være bredere enn bare drikkevarer og sjokolade, men en utvidelse skaper store avgrens- ningsproblemer og er politisk vanskelig fordi den berører landbrukspolitikken (bakevarer, is, chips, juice).

En interessant faglig utvikling i modeller som ser på eksternaliteter, er at sukker ikke bare er skadelig. Mange har glede av produkter med sukker, uten å få diabetes, og når man skal beregne en optimal avgift må man ta hensyn til at denne gruppen får et velferdstap når avgiften innfø- res. Modellene som tar hensyn til denne effekten, viser at den optimale avgiften er svært sensitiv for hvor stor andel av konsumentene som har et skadelig forbruk (Lloyd og MacLaren, 2019).

Fiskale argumenter og eksternaliteter er vanlige øko- nomiske begrunnelse for avgifter. En mer interessant og kontroversiell begrunnelse for visse avgifter, handler om å beskytte individene mot seg selv. Det er i slekt med vanlig paternalisme der man begrenser individets valgfrihet, men i denne mykere varianten tvinger man ikke noen. I

(6)

6 // SAMFUNNSØKONOMEN NR. 3 2019 HANS OLAV MELBERG

stedet er tanken at man skal legge til rette for at individets langsiktige ønsker skal vinne maktkampen i hodet.

Utgangspunktet er at en person har motstridende ønsker og at det langsiktige jeg’et ofte taper mot det de kortsiktige impulsene. Avgifter vil da hjelpe oss å oppnå det vi egentlig vil. I dette perspektivet blir økte priser en form for beskyt- telse mot impulskjøp eller manglende informasjon.

AVGIFTER MOT FRISTELSER

Internaliteter er omstridt. Politisk er noen redd for at det åpner for svært mange og store inngrep i det mange betrak- ter som en privat sfære. Faglig er det vanskelig å integrere viljesvakhet og lignende fenomener i velferdsøkonomiske analyser. Når det gjelder sukker, er det minst tre mulige årsaker til internaliteter. For det første kan man ha for lite informasjon om sukkerinnholdet i produktene og derfor konsumere for mye. Videre, selv om man har god informasjon om sukkerinnholdet, kan man ha manglende kunnskaper om styrken på sammenhengen mellom suk- kerinntak og diabetes eller andre konsekvenser. Sist, og vanskeligst, kan man falle for fristelser selv om man har både kunnskap og informasjon.

En av de få artiklene som har utviklet et rammeverk for å analysere og beregne størrelsen på disse effektene, er av Allcott, Lockwood og Taubinsky (2017, 2019). De estime- rer blant annet hva slags forbruk personer ville hatt dersom de hadde hatt god informasjon, og bruker dette til å beregne en optimal avgift som tar hensyn til internaliteter. Deres konklusjon er at avgiftene i USA bør ligge rundt 20%, men advarer også om at det er betydelig usikkerhet.

ET FORSLAG: DIFFERENSIERT AVGIFT

Uansett om man bare vil regne med eksternaliteter eller aksepterer internaliteter som et argument for en avgift, er prinsippet at avgiften bør stige med skaden varen påfører.

Dagens avgift er ikke utformet slik fordi den er basert på mengden av sluttproduktet - liter brus eller kilo sjokolade - og ikke sukkerinnholdet i varen. Dersom det er overfor- bruk av sukker som er problemet, burde en helsebegrunnet avgift utformes slik at de produktene med mest sukker også har størst avgift. Det vil stimulere produsentene til å redusere sukkerinnholdet, og konsumentene vil vri for- bruket mot produkter som har mindre sukker fordi de har lavere pris.

Et praktisk eksempel på dette, er avgiften i Storbritannia.

Drikke med mer enn 8 gram sukker per 100 mL, må betale

en avgift på 24 pence per liter, mellom 5 og 8 gram sukker er avgiften 18 pence, og under 5 har ingen avgift. Dette tilsvarer en avgift på mellom 20% og 40%. I en oversikt over 16 sukkerholdige drikker, viste det seg at halvparten av produsentene responderte med å redusere sukkerinnholdet i sine produkter til under 5 gram slik at de kunne komme under avgiftsgrensen (Lloyd og MacLaren, 2019).

YPPERSTEPRESTER?

En refleksjon etter å ha sittet i et par slike utvalg, handler om økonomers rolle og hva man bør vektlegge for å kunne gi verdifulle bidrag.

I en gammel og nesten glemt artikkel fra Economic Journal fra 1956, beskriver forfatteren økonomers rolle som moderne yppersteprester. Det er ment positivt i den for- stand at et samfunn trenger personer og metoder som gjør at man kan peke på et alternativ blant de mange mulighe- ter man har. Andre er mer beskjedne og mener at økono- mer bør holde seg til empiriske utsagn om konsekvenser og være forsiktige med å komme med normative konklusjoner. Bør og kan økonomer konkludere om en sukkerav- gift og hva ellers kan de eventuelt bidra med?

Sen (1970) har påpekt at debatten delvis er en skinn- debatt fordi mange normative konklusjoner i stor grad avhenger av svarene på empiriske spørsmål om styrken på ulike kausale sammenhengene. Hvis det er en sterk sammenheng mellom sukker og diabetes/fedme, og hvis dette skaper store kostnader, og hvis en avgift kan lages slik at den reduserer disse problemene - er det nærliggende, men ikke nødvendig - å være for en avgift. På den måten blir teknokratene prester som viser veien, men kun når den verdimessige enigheten er stor nok til at spørsmålet i bunn og grunn handler om empiri. Vi kan regne på priselastisi- teter og bidra med modeller der vi følger kjeder av konsekvenser. Dette vil være nyttig informasjonsgrunnlag for de som tar politiske beslutninger og det vil noen ganger gi så sterke føringer at løsningen nesten følger av seg selv.

Rolleforståelsen som noe mindre enn en yppersteprest, betyr at man må unngå å falle for fristelsen til å leke poli- tiker. Man kan mene mye om paternalisme, statens rolle, frihet til å velge sitt eget livsprosjekt og lignende, men et utvalg fungerer best om medlemmene i så stor grad som mulig legger slikt til side og forholder seg til den man blir spurt om. Et konkret eksempel på dette fra sukkerutvalget, var finansdepartementets ønske om at utvalget skulle fore- slå minst ett nytt avgiftssystem som man mente ville være

(7)

OMMENTAR

HANS OLAV MELBERG

bedre enn det gamle, men som ville gi omtrent de samme inntektene. Dersom man da inntar en normativ rolle og bare responderer «Jeg mener vi ikke bør ha en sukkerav- gift» blir resultatet lite nyttig. Poenget med en NOU er ikke å fremheve egne synspunkter på normative spørsmål, men å bidra med informasjon og analyse som gjør at andre kan ta en bedre beslutning.

Sukkerutvalget klarte delvis dette, men de klarte ikke å foreslå en provenynøytral forbedring av dagens system. Et mulig slikt system er en mer differensiert avgift der produkter med høyt sukkerinnhold har en større avgift enn de med mindre sukker. Det er sikkert ikke perfekt eller opti- malt, men det perfekte er ofte politisk umulig. En helsbe- grunnet avgift med tre satser avhengig av sukkermengden i brus og sjokolade vil redusere helseskadene av sukker, redusere de mulige rettslige problemene med ESA, samti- dig som staten kan opprettholde sine inntekter.

REFERANSER

Allcott H, B.B. Lockwood og D. Taubinsky (2017). A theory of regressive sin taxes, with an application to the optimal soda tax.

NBER Working Paper 23085

Beckerman W (1956). The Economist as a Modern Missionary. The Economic Journal 66:108–115.

Allcott H, B.B. Lockwood og D. Taubinsky D (2019). Should we tax soda? an overview of theory and evidence. Journal of Economic Perspectives 33:

Lloyd P. og D. MacLaren (2019). Should We Tax Sugar and If So How?

Australian Economic Review 52:19–40.

Finansdepartementet (2007). NOU 2007: 8. En vurdering av særavgiftene. Regjeringen.no. https://www.regjeringen.no/no/

dokumenter/nou-2007-8/id473567/.

Finansdepartementet (2019). NOU 2019: 8. Særavgiftene på sjokolade- og sukkervarer og alkoholfrie drikkevarer.

Regjeringen.no. https://www.regjeringen.no/no/dokumenter/

nou-2019-8/id2640964/

Sen, A. K. (1979). Collective Choice and Social Welfare. Elsevier

MEDLEM?

Er du medlem av Samfunnsøkonomenes Forening?

Vi vil gjerne ha din e-postadresse.

Send til: [email protected]

www.samfunnsokonomene.no

(8)

8 // SAMFUNNSØKONOMEN NR. 3 2019 KJELL SENNESET

KJELL SENNESET Seniorøkonom i Prognosesenteret as

BOLIGBEHOV, BYGGEBEHOV OG BOLIGETTERSPØRSEL

I tillegg til endringer i det demografiberegnete boligbehovet, påvirkes samlet boligetterspørsel av et lass med økonomiske, politiske, sosiologiske og kulturelle faktorer. Dette kan være rentene, lønningene, arbeidsledighe- ten, skattesystemet, kredittilgang, investoratferd, myn- dighetsbestemte lånebetingelser, (som egenkapitalkrav og

krav til forholdet mellom samlet inntekt og samlet gjeld), multiplikatoreffekter (prisvekst avler økt kredittilbud), bostedspreferanser, skillsmissefrekvenser, familiestørrel- ser og forventninger til norsk og egen økonomi. Analyser av utviklingen i boligmarkedet på kort sikt må ta hensyn til alt dette. På lengre sikt, i denne sammenheng 5 år og mer, er utviklingen i mange av disse komponentene så uforutsigbar at det gir liten mening i å bruke dem. Da tyr

Evig eies kun et boligbygg.

Om boligavgang og boligbehov

Analyser av etterspørselen etter boliger tar som regel utgangspunkt i den demografiske kom-

ponenten i denne etterspørselen, som beregnes ut fra befolkningens størrelse og sammenset-

ning. Det er denne etterspørselskomponenten som i dagligtale kalles boligbehovet. For å ha

en formening om hvor mange nye boliger som må bygges for at boligbestanden skal vokse i

takt med beregnet boligbehov, er det imidlertid også nødvendig å trekke inn avgangen fra den

eksisterende boligmassen. Boligmarkedsanalytikere gjør normalt ikke noe forsøk på å beregne

denne avgangen, men legger ofte inn et udokumentert tall, nærmest for å vise at avgangen

faktisk teller med når samlet byggebehov skal beregnes. Denne artikkelen forsøker å rette på

denne mangelen på avgangsberegninger. Datagraving og analyser viser for det første at det

periodevis er store variasjoner i denne avgangen, men også at variasjonene i årene framover

trolig vil svinge rundt et nivå som er i størrelsesorden 12-13000 boliger i året. Dette er vesent-

lig høyere enn det som hittil har vært vanlig i boligbehovsanalyser, hvor det normalt legges

inn en avgang på 5000. Det betyr også at byggebehovet, dvs. summen av avgangen og av

antall boliger som må bygges for at boligbestanden skal vokse i takt med befolkningsutviklin-

gen, blir langt høyere enn tidligere behovsanalyser har vist.

(9)

OMMENTAR

KJELL SENNESET

en gjerne til boligbehovsberegninger, som kan baseres på SSBs historiske demografiske data og på befolkningsfram- skrivingene deres.

For å komme fra boligbehov til byggebehov må en altså også ta hensyn til avgangen, som er denne artikkelens hovedanliggende.

LITT MER OM DE 5000

Som nevnt i ingressen er det vanlig å bruke 5000 som nivå på årlig avgang av boliger når byggebehovet skal beregnes.

Det er åpenbarte litt snaut når boligbestanden er på ca. 2,5 millioner, siden det rundt regnet gir en forventet levetid på en ny bolig på 500 år. Altså nesten som en evighet å regne.

Tallet 5000 har likevel en viss støtte i SSBs boligstatistik- ker.

Boligbestanden består av både bebodde og ubebodde boliger. SSB publiserer hvert år en oversikt over samlet bestand, altså summen av bebodde og ubebodde boliger.

Ved inngangen til 2019 var det registrert 2581155 boliger i Norge. Økningen fra samme tidspunkt året før var vel 33000 boliger. Dette er omtrent likt med antall full- ført boliger i 2018. Boligbestanden vokser, i hvert fall til- synelatende, omtrent i takt med nybyggingen. Altså ingen avgang. Tiden går, boligene består.

SSB har relativt nylig også begynt å publisere tall for riv- ning og annen fysisk avgang (brann, naturødeleggelser etc.) av boliger. Utmerket informasjon om disse statistikkene finnes i en SSB-publikasjon fra 2014 (Holst Bloch og Jensen, 2014). Ifølge SSB er den fysiske avgangen mellom 2500 og 3000 boliger pr år i Norge. Så da er det vel likevel ikke helt riktig at boliger står til evig tid.

NOEN BOLIGER ER BEBODDE, OG NOEN ER UBEBODDE

Den siste folke- og boligtellingen er fra 2011. Den viste at det var 211000 boliger uten registrert bosetting dette året.

Disse inkluderer

• studentboliger hvor beboeren er registrert på foreldre- nes adresse,

• personer som disponerer en bolig i Norge uten å være registrert bosatt,

• pendlerboliger,

• boliger som brukes til fritidsboliger,

• boliger som er ute av bruk.

Jf. den nevnte SSB publikasjonen fra 2014. Det er hoved- sakelig de to siste kategoriene som er viktige i forbindelse med avgangsanalyser, siden verken fritidsboliger eller boliger som ikke er i bruk kan antas å være del av den permanente boligbestanden. Det som er igjen av samlet boligbestand når fritidsboliger og boliger ute av bruk tas bort, kan dermed betraktes som den permanente boligbestanden. Det er denne som (stort sett) må vokse i takt med det beregnete boligbehovet for å unngå at et tilbuds- underskudd utvikler seg, før en evt. justerer for de øvrige komponentene i boligetterspørselen, jf. første mellomtittel.

Inspeksjon av fritidsboligstatistikken til SSB tyder på at årlig konvertering av helårsboliger til fritidsboliger er så liten at det ikke påvirker avgangen av permanente boliger vesentlig.

Det er verre med informasjon om helårsboliger som går permanent ut av bruk. Det synes ikke å være mulig å finne ut hvor mange dette er ved hjelp av nåværende SSB statistikk over boligbestand og boligavgang. SSBs avgangssta- tistikk har også den åpenbare svakhet at den bare dekker noen få år. Heller ikke boligbestandsstatistikken har fått mange år på baken ennå. For å kunne trekke noen konklusjoner om avgangen av bebodde helårsboliger på lang sikt, er det nødvendig å ty til andre kilder enn SSBs korte tidsserier over boligbestand og fysisk avgang. De 10-årige folke- og boligtellingene (FoB) peker seg ut. Det samme gjør statistikken over fullførte boliger. Ved hjelp av disse to statistikkene er det mulig å gjøre i hvert fall forsøksvise beregninger over årlig boligavgang de siste 40-50 årene.

ELDRE BEREGNINGER AV AVGANG VIA FOB

Det er gjort noen analyser av boligavgangen med utgangspunkt i FoB og årlig boligbygging, men det begynner å bli en stund siden. Den siste omfattende analysen ser ut til å være en rapport fra Norges byggforskningsinstitutt, NBI (nå innfusjonert i SINTEF), fra 1994 (Gulbrandsen, Barlindhaug og Nordvik, 1994). Her beregnes avgangen som gjennomsnitt av middelboligmassen (studien bruker

«boligmasse» og ikke «boligbestand») for 10-årene 1961- 70, 1971-80 og 1981-90, ved hjelp av observasjoner over antall bebodde boliger (se likevel neste avsnitt) og over nyproduserte boliger i tiåret. Beregningene som ble gjort viser at gjennomsnittlig årlig avgang var 0,69 prosent av bebodd boligbestand for perioden 1961-70, 1,17 prosent for perioden 1971-80 og 0,43 prosent for perioden 1981-90.

(10)

Studien har likevel noen begrensninger. Boliger som er bebodd med midlertidig bosatte er ikke med i disse avgangsberegningene. Dette er i hovedsak studentboliger og pendlerboliger, hvor den bosatte er registrert på en annen adresse. Nærmere inspeksjon av studien gir likevel støtte for å konkludere med at avgangsprosentene i studien gir et ok estimat på avgangsnivåene i perioden 1961-90 for alle bebodde boliger.

Som en ser av første avsnitt er variasjonene i avgangsnivå- ene i den nevnte NBI-rapporten veldig store. Det er vanskelig å forklare så store svingninger, men den høye avgangen i 1970-årene har trolig sammenheng med nivået på boligbyggingen. Det ble bygget over 400000 boliger i dette tiåret, langt mer enn det har vært bygget både før og siden.

Avgangsprosentene for 1961-70 og 1981-90 er nok mer representative for det langsiktige nivået på boligavgangen enn nivået i 1970-årene.

NYERE BEREGNINGER AV AVGANGEN VIA FOB For å få sammenliknbare tall for boligbestanden i FoB 2001 og 2011 med tidligere tellinger, må en bruke antall privathusholdninger, selv om en dermed ikke får med f.eks. studenter og pendlere med andre adresser enn der de opphol- der seg. Økningen i antall studenter gjør det sannsynlig at boliger som denne gruppen disponerer øker relativt raskere enn antall boliger som resten av befolkningen disponerer.

Heldigvis er det rimeligvis få privathusholdninger som bor på hybler, så ved å betrakte boligbyggingen ekskl. hyblene (dvs. den delen av boligbyggingen som normalt benevnes leiligheter), og endringer i antall privathusholdninger, får en med seg mesteparten av boligavgangen. Antall fullførte leiligheter (f.eks. 30000) fratrukket økningen i antall privathusholdninger (f.eks. 20000), gir dermed et estimat på avgangen (10000).

Antall husholdninger økte med 210000 i perioden 1990- 2001. I samme tidsrom ble det fullført 208000 nye leiligheter. Det ser altså ut til at avgangen faktisk var negativ. I praksis er det mulig, ved at mange boliger som sto tomme i 1990 etter hvert ble tatt i bruk igjen. Men dette er ikke akkurat den mest sannsynlige forklaringen. Mer sannsynlig er at det kom til mange nye boliger fra andre deler av den eksisterende bygningsbestanden. Det gjelder f.eks.

transformasjonsboliger, altså næringsbygg (kontorbygg, forretningsbygg, skolebygg etc.) som bygges om til boliger.

Videre kan nettoeffekten av oppdeling av store boliger fratrukket sammenslåing av små ha vært positiv. I såkalte E2 boliger, altså eneboliger med en liten utleiedel, kan mange

utleiedeler ha gått fra å være brukt av hovedhusstanden til igjen å blitt leid ut. Videre kan nok kanskje noen tomme boliger (del av avgangen i fraflyttingsåret) blitt tatt i bruk igjen.

Årlig endring i bebodd boligbestand fra eksisterende byg- ninger oppsummert:

• Transformasjonsboliger, altså ombygd areal fra andre bygg enn boligbygg.

• Oppdeling av store boliger minus sammenslåing av småboliger. Nettotallet kan være positivt eller negativt.

• Småleiligheter i E2 boliger som er brukt av hovedhusstanden og som blir konvertert til utleieboliger minus de som igjen blir tatt i bruk av hovedhusstanden.

Nettotallet kan være positivt eller negativt.

• Tomme boliger tas i bruk igjen.

Den første effekten bidrar altså til å øke boligbestanden.

Transformering av boligbygg til næringsbygg er det normalt lite av, slik at differansen mellom de to faktorene som regel er positiv. Summen av de øvrige effektene kan gi både et positivt og negativt bidrag til boligbestanden.

Transformasjonsboligene og nettoeffekten av de øvrige faktorene sørger for at samlet tilførsel av boliger altså kan ha vært høyere enn registrert nybygging i perioden 1990-2001. Men denne ekstra tilførselen kan vanskelig ha vært så stor at avgangen kommer i nærheten av det som er beregnet for årene 1961-1990. I et tiår som var preget av ettervirkningen av nedgangstidene i Norge fra 1988 til 1992, og lav boligbygging, ser det ut til at årlig boligavgang (eller bedre her: leilighetsavgangen) i Norge kan ha vært ned mot 0,05 prosent av bestanden. Det er ikke mer enn rundt 1000 leiligheter i året.

Effekten av at tomme boliger tas i bruk igjen var neppe særlig merkbar fram til den sterke veksten i innvandringen fra omtrent 2004. For tiåret 2001-2010 har vi i dessuten bedre kontroll på omfanget av transformeringen. I 2012 utførte Prognosesenteret en jobb for det som den gang het Kommunal- og regionaldepartementet, på omfanget av transformeringen (Prognosesenteret, 2012). Vi fant at i perioden 2001-2011 ble det transformert om lag 3000 boliger/leiligheter pr år fra næringsbygg til boliger.

Når dette legges på toppen av registrerte fullførte leiligheter, blir beregnet årlig avgang i perioden 2001-2011 vel 0,2 prosent av bestanden. (Da har vi betraktet tomme boliger som tas i bruk igjen som et tilskudd til boligbestanden.) Når vi inkluderer andre mulige tilførsler fra den eksisterende

(11)

OMMENTAR

KJELL SENNESET

bygningsbestanden, som positiv nettoeffekt av oppdelin- ger og sammenslåinger og flere utleieenheter i E2 boliger, blir nivået kanskje litt høyere enn 0,2 prosent. Hvis faktisk avgang f.eks. er 0,25 prosent av den bebodde bestanden, og denne bestanden settes lik antallet privathusholdninger, blir avgangen for tiden 6000 i året, altså ganske nærme de 5000 som ofte brukes i boligbehovsanalyser.

OBSERVASJONER ELLER MODELL

Avgangsberegningene for perioden 1990-2011 impliserer dermed en forventet levetid på boliger som er så høy at det hele er litt vanskelig å svelge. De beregnete avgangsnivå- ene for årene 1990-2011 kan neppe være representative for framtidig avgang, i den grad beregningene faktisk er riktige. Ser en på hele perioden 1961-2011 blir et aritme- tisk gjennomsnitt av de beregnete gjennomsnittlige avgan- gene i tiårsperiodene om lag 0,45 prosent pr år. Benyttet på hele den bebodde boligbestanden pr 2019 gir dette en årlig avgang på vel 10000 boliger. De observerte avgangsratene spriker imidlertid så mye fra tiår til tiår at dette aritmetiske gjennomsnittet knapt kan brukes til å si noe som helst om hvilket nivå som kan forventes i årene framover. Dermed står en fortsatt nesten uten holdepunkter på hvordan en skal komme fra antall boliger som må bygges for å holde tritt med veksten i antall husholdninger, til samlet antall boliger som må bygges for også å erstatte avgangen.

En alternativ metode kan være å beregne avgangen ved hjelp av observert bebodd boligbestand fordelt på byg- geår, en gitt levetidsprofil for en årgang boliger, og årlig boligbygging. Dermed kan en beregne avgangen for hver boligårgang. Samlet avgang i f.eks. 2017 blir summen av den beregnete avgangen fra hver eneste boligårgang hvor det finnes boliger igjen. Det eksisterer noen veldig gamle boliger i Norge, men det er tross alt få bebodde boliger som er mange hundre år gamle. En gjør neppe mye feil ved å utelate boliger som er bygget i f.eks. år 1800 og tidligere.

Altså:

AVG(2017) = avg₂₀₁₇(1801) + avg₂₀₁₇(1802) + avg₂₀₁₇(1803) + + +

Samlet avgang i 2017 er avgangen i 2017 av boliger bygget i 1801, pluss avgangen i 2017 av boliger bygget i 1802 osv.

fram til 2016.

AVG(2017) = ∑ _t=1²¹⁶ avg ₂₀₁₇(t) (1) En levetidsprofil på en boligårgang kan f.eks. se ut som i figur 1:

Grafen er altså generert av Weibullfordelingen, som er mye brukt for å simulere levetider på årganger av realkapital med lang levetid. Funksjonsformen på denne «overlevel- sesgrafen» kan skrives slik:

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 180 190 200

Figur 1: Weibullfordelingen – eksempel på overlevelsesprofil.

(12)

O(t) = e^-(δt)ᵅ (2)

δ og α er parametere, og t er tidsvariabelen.

For å komme videre må det gjøres en ganske halsbrek- kende forutsetning: Parametrene i (2) bør helst være omtrent like for alle årganger av boliger! Det høres ut som en ødeleggende forutsetning, men etter hvert skal det vise seg at denne forutsetningen ikke synes å være så absurd likevel.

Ved hjelp av (2) kan dermed avgangen i et utvalgt år fra en eller annen boligårgang beregnes ved å se på gjenstående bestand av denne årgangen i to påfølgende år. I formelen som genererer grafen i figur 1 er det etter f.eks. 100 år 52,7 prosent igjen av opprinnelig bestand. Etter 101 år er det 52,1 prosent som er igjen, altså 0,6 prosentpoeng mindre.

Om boligbyggingen i f.eks. 1916 var 20000, blir avgangen i 2017 av 1916-årgangen på 20000 · 0,6% = 120 boliger.

Hvis boligbyggingen i år n i forhold til observasjonsåret betegnes B(n), vil avgangen for denne boligårgangen i observasjonsåret dermed være

Avg(n) = B(n) · [O(n) – O(n-1)] (3) Samlet avgang for alle boliger blir

SAvg = ∑ n=1^∞ Avg ( n ) (4) Her kan «uendelig» erstattes med f.eks. 200.

Hvis altså alle årganger av boliger har samme overlevelsesprofil, definert ved parametrene i (2), kan samlet avgang beregnes for hvilket som helst år dersom vi vet hvor mange boliger som ble bygget hvert år. Det gjør vi dessverre ikke.

Boligbyggingen for alle år før 1946 må beregnes (SSB har bare observasjoner av boligbyggingen fra 1946).

Beregning av boligbyggingen før 1946

En – av sikkert flere – mulige metoder kan være å se på observasjoner om utviklingen i boligbestanden mellom hver boligtelling, og sammenlikne dette med endringer i samlet befolkning og i personer pr husstand. Hvis det er mulig å finne gode sammenhenger mellom observert vekst i bebodd boligbestand (dvs. antall privathusholdninger) og beregnet vekst basert på befolkningsutvikling og personer pr husstand for de periodene hvor vi har tilstrekkelig gode observasjoner, kan dette brukes til å beregne endringer i boligbestanden bakover i tid.

Symbolene i likning (5) under:

BBV = beregnet vekst i boligbestand

BV = befolkningsvekst, årlig gjennomsnitt pr periode PPH = personer pr husstand, gjennomsnitt pr periode.

F = folketall t = årstall

n = antall år fra periodens begynnelse til periodens slutt, her 10 år.

BBV = BV/PPH + (F/PPH(t)-F/PPH(t-n))/n (5) Uttrykket sier er at veksten i boligbestanden i en periode kan estimeres ved å beregne hvor mye boligbestanden har vokst pga. befolkningsveksten og pga. nedgangen i antall personer pr husstand/husholdning.

Det første leddet på høyre side i (5), befolkningsveksten delt på antall personer pr husstand, gir altså et estimat på veksten i boligbestanden som følge av befolkningsvekst.

Størrelsen på de husholdningene som flytter inn i nye boliger er ikke kjent, så vi bruker husstandsstørrelsen for hele befolkningen som tilnærming. Folke- og boligtellingene kan bidra med slike observasjoner tilbake til 1866.

Tidsserien viser at antall personer pr husstand har gått nedover hele tida siden 1870-tallet. Antall personer pr husstand i 1871 er beregnet til 4,8. Husstandsstørrelsen synker med ca. 0,1 pr tiår fram til 1930. Etter det blir nedgangen større.

Ved å anta at nedgangen pr tiår i perioden 1870-1930 også er representativ for første del av 1800-tallet, er det mulig å tallfeste det første leddet i (5) tilbake til f.eks.1800.

Det siste leddet i (5) viser effekten på beregnet boligbestand av nedgangen i antall personer pr husstand.

Fra folke- og boligtellingene har SSB tall for boligbestand for årene 1920, 1930, 1946, 1960, 1970, 1980, 1990, 2001 og 2011. Ved å estimere boligbestanden i 1950 fra bestanden i 1946 og observert boligbygging i 1946-1950, kan vi sammenlikne beregninger gjort med (5) og observasjoner av gjennomsnittlig årlig vekst i boligbestanden for tiårene 1921-30, 1951-60, 1961-70, 1971-80, 1991-2000 og 2001-2010, jf. figur 3.

Overensstemmelsen mellom observasjoner og beregninger synes å være god nok til å estimere veksten i boligbestanden ved (5) for de periodene hvor det ikke er observasjoner. Summert over alle tidsperioder i figuren er samlet

(13)

OMMENTAR

KJELL SENNESET 0 1 2 3 4 5 6

1871 1881 1891 1901 1911 1921 1931 1941 1951 1961 1971 1981 1991 2001 2011

Figur 2: Utviklingen i antall personer pr. husholdning 1871-2011.

0 5 000 10 000 15 000 20 000 25 000 30 000

1921-1930 1951-1960 1961-1970 1971-1980 1981-1990 1991-2001 2002-2011

Antall boliger

Beregnet Observert

Figur 3: Observert og beregnet vekst i bebodd boligbestand.

avvik mellom de observerte og de beregnete verdiene ca.

360 boliger eller 0,3 prosent.

For å komme fra veksten i boligbestanden til det vi faktisk er ute etter, nemlig boligbyggingen, må vi legge til årlig avgang. Heldigvis er de endelige sluttberegningene ganske

robuste i forhold til hva vi måtte velge at avgangsrater på boliger bygget før 1946. Den avgangsraten som er valgt er 0,5 prosent av årlig boligbestand.

Tabell 1 viser beregnet og observert vekst i bebodd boligbestand, dvs. antall privathusholdninger, fra 1801 til 1950,

(14)

14 // SAMFUNNSØKONOMEN NR. 3 2019 KJELL SENNESET 0

50 000 100 000 150 000 200 000 250 000 300 000 350 000 400 000

Antall boliger

Inklusiv uoppgitt fordelt på byggeår

Figur 4: Aldersfordelingen av boligbestanden. Røde søyler er inklusive antatt fordeling av Uoppgitt på byggeperiode.

Tabell 1: Husholdningsstørrelser, boligbestand og boligbygging

År Personer pr privat- husholdning.

Beregnet og observert årlig gjennomsnittsvekst i bebodd boligbestand.

Boligbestand ved starten av tiåret,

avrundet. Estimert boligbygging, gjennomsnitt pr år.

Konjunktur- og hendelsesjustert, avrundet.

1801-1811 5,42 565 157 000 1 349 1 300 1811-1821 5,33 1 554 163 000 2 366 2 400 1821-1830 5,23 3 276 178 000 4 167 4 200 1831-1840 5,13 2 739 211 000 3 793 3 800 1841-1850 5,04 3 414 238 000 4 605 4 600 1851-1860 4,94 4 585 272 000 5 947 5 900 1861-1870 4,85 3 735 318 000 5 326 4 900 1871-1880 4,71 5 219 356 000 6 997 7 700 1881-1890 4,57 2 600 382 000 4 507 5 600 1891-1900 4,40 7 636 408 000 9 674 11 300 1901-1910 4,32 2 879 484 000 5 298 4 600 1911-1920 4,33 6 177 513 000 8 741 9 700 1921-1930 4,26 5 453 574 000 8 326 7 000 1931-1940 3,89 16 691 653 000 19 957 15 300 1941-1950 3,52 7 662 820 000 12 219 3 200

estimert boligbygging når avgang legges til, og avrundete tall, hvor det også forsøksvis er tatt hensyn til veksten i økonomien (fra 1870) og spesielle hendelser, som boo- men («jobbetiden») i Kristiania på 1890-tallet og det påfølgende krakket i 1899. Det er også tatt hensyn til at

perioden 1921-40 var preget av perioder med svak eller negativ vekst i økonomien. Statistikk over boligbestanden fordelt på byggeår i FoB 2011 gir en god indikasjon på hva boligbyggingen kan ha vært i denne perioden, som er betydelig lavere enn de estimerte verdiene fra (5).

(15)

OMMENTAR

KJELL SENNESET

Dermed har vi omsider nok data til å beregne avgang ved hjelp av (2), (3) og (4).

METODE FOR Å BEREGNE BOLIGAVGANGEN

Metoden som er brukt går ut på å finne nivåer på parametrene i (2) som minimerer forskjellen på observert og beregnet aldersfordeling på den bebodde boligbestanden.

I FoB 2011 er byggeår for de 2,2 mill. boliger med registrert bosatte fordelt på tidsintervaller, jf. figur 4.

Regneoperasjonen blir altså å bestemme parametrene i (2) slik at beregnet og observert boligbestand i 2011, fordelt på byggeårintervallene som i figur 4, blir minst mulig. I praksis brukes tallverdiene, dvs.

Min Ʃ I BO_t – BB_t I, hvor t=2001-2011, 1991-2001 osv.

BO er boligbestand observert, og BB er boligbestand beregnet.

Problemløserfunksjonen i Excel gjør jobben. Når parameterverdiene er bestemt (2,315 og 0,0074), blir beregnet og observert boligbestand fordelt på byggeår som vist i figur 5.

Summert over alle tidsperioder blir beregnet antall bebodde boliger/privathusholdninger ca. 2182000, mens observert antall er ca. 2205000. Til tross for alle vidløftige forutsetninger som er gjort underveis, ser det altså ut til at det er mulig å gjenskape en aldersfordeling på boligmassen som stemmer bra med observasjonene, med et mulig unn- tak for de to siste periodene, 2001-2011 og 1991-2000.

Differansene mellom antallet observerte og beregnete boliger i disse periodene skyldes imidlertid tilførselen av transformasjonsboliger. Av observasjonsmessige årsaker er igangsettingen av disse boligene tidfestet til det året som transformasjonen ble gjennomført, mens i FoB er byg- geåret åpenbart registret på det opprinnelige bygget. For øvrig er det god overensstemmelse mellom observert og beregnet antall boliger i hver tidsperiode. Såpass god at resultatene fra beregningene kan brukes i praksis.

Resultater

Når parameterverdiene 2,315 og 0,0074 settes inn i (2) blir avgangsprofilen som Weibullfordelingen genererer slik som vist i figur 6 for de første 220 år:

Samlet avgang i 2017, målt over alle årganger fra 1801, er beregnet til 11000 når vi avrunder til nærmeste 100.

Avgangsprosenten blir 0,48. Forventet levealder på boliger i dagens boligbestand kan beregnes til ca. 120 år.

Figur 5: Observert og beregnet bebodd boligbestand i 2011 fordelt på byggeår.

0 50 000 100 000 150 000 200 000 250 000 300 000 350 000 400 000

Anntall boliger

Observert Beregnet

(16)

Siden avgang fra boliger bygget før 1801 ikke er med i beregningene, er 11000 litt for lavt. Feilen er neppe mer enn et par hundre – trolig mindre. Hvis vi f.eks. antar at det ble bygget 1000 boliger pr. år fra 1700 til 1800, dvs.

ikke langt fra beregnet antall for perioden 1801-1810, vil samlet avgang øke med 60 boliger.

Fordi vi ikke regner på hele den bebodde boligbestanden, bare den delen hvor det er registrert bosatte, bidrar også dette til at den målte avgangen er for lav. Det vi i hovedsak mangler er pendlerboliger, boliger som brukes som fritidsboliger og studentboliger hvor studenten er registrert bosatt et annet sted. Antall og aldersfordelingen på slike boliger vil trolig øke samlet avgang med noen hundre.

Noen enkle beregninger hvor igangsettingen av boliger før 1946 er 25 prosent høyere eller lavere enn i hovedalternativet, illustrerer usikkerheten på avgangen av beregnet boligbygging før 1946. Beregningene gir et intervall på samlet avgang i 2017 (inkludert boliger bygget før 1801) på mellom 10000 og 12500.

BOLIGBEHOV – BYGGEBEHOV

Ved hjelp av demografiske modeller kan befolkningsveksten konverteres til vekst i antall husholdninger. Dermed får en et mål på hvor fort den bebodde boligbestanden må vokse for holde tritt med befolkningsveksten. Dette er det

vanlige målet på boligbehovet. Samlet boligbygging må i tillegg dekke opp for avgangen fra den eksisterende boligbestanden. Byggebehovet blir dermed summen av veksten i antall husholdninger og avgangen.

Figur 7 viser beregnet byggebehov i perioden 2015-2035 og fullførte boliger i 2015-2018. Beregningene av vekst i boligbestanden i 2015-2018 er basert på observasjoner av befolkningsutviklingen, mens 2019-2035 er basert på framskrivingsalternativet MMMM i siste befolkningsframskriving fra SSB, dvs. hovedalternativet. Avgangen er beregnet slik som beskrevet i forrige kapittel. Det er lagt til grunn en årlig boligbygging på 30000 fram til 2035, men avgangen fra nyere årganger betyr uansett lite.

Figuren viser altså at som et slags gjennomsnitt over perioden 2020-2035 må det bygges om lag 35000 boliger i året for at størrelsen på bestanden av boliger med registrert bosetning skal kunne holde følge med befolkningsutviklingen med alternativ MMMM.

Det er også en rekke andre faktorer enn de demografiske som påvirker etterspørselen etter boliger, både brukte og nye, jf. avsnittet etter ingressen. Noen av disse kan bidra til at den langsiktige etterspørselen etter nye boliger vil kunne avvike fra det langsiktige demografiske behovet.

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 180 190 200 210 220

Figur 6: Beregnet overlevelsesprofil en for en årgang boliger.

(17)

OMMENTAR

KJELL SENNESET

SAMMENDRAG

Statistikk over boligavgang basert på informasjon om bebodd boligbestand i folke- og boligtellingene, og årlig boligbygging i SSBs byggearealstatistikk, viser store variasjoner fra perioden til periode. Tidligere studier viser at årlig avgang som andel av boligbestanden var ca. 0,7 prosent på 1960-tallet, 1,2 prosent på 1970-tallet og 0,4 prosent på 1980-tallet. Beregninger utført i Prognosesenteret tyder på at avgangen sank til nærmere 0 på 1990-tallet, og var om lag 0,25 % mellom 2000 og 2010. Variasjonene i de observerte avgangstallene er så store at de knapt egner seg til å si noe om hva som blir framtidig boligavgang, verken på kort, mellom lang eller lang sikt.

Som et alternativ til disse observasjonene har vi beregnet avgangen ved hjelp av observert aldersfordeling på den bebodde boligbestanden i 2011 (fra FoB 2011) og beregnet nivå på gjennomsnittlig boligbygging pr. 10-år siden 1801.

Jf. tabell 1. Beregningene antyder et årlig gjennomsnitt for avgang i perioden 2015-2035 på 12-13000. Mesteparten av dette skyldes fraflytting som fører til at boliger står tomme.

Avgangsberegningene sier bare noe om det langsiktige nivået, faktisk avgang kan på kort og mellom lang sikt vari- ere fra nærmere 0 til over 15000.

Gitt den langsiktige avgangen og SSBs befolkningsfram- skrivinger, kan det langsiktige byggebehovet beregnes.

Figur 7 gir et eksempel. Alternativet for framskrivningen av befolkningen som er benyttet er MMMM i SSBs siste befolkningsframskriving.

REFERANSER

Holst Bloch, V. og R. Jensen (2014). Boligbygging og boligbestand – kilde, kvalitet og metode, SSB 22/5 2014.

Gulbransen, O., R. Barlindhaug og V. Nordvik (1994). Endring av boligmassen – boligavgang. Prosjektrapport 140/1994 fra NBI.

Prognosesenteret AS (2012). Boligproduksjon som følge av ombygging av eksisterende bygg. En rapport utarbeidet på oppdrag fra Kommunal- og regionaldepartementet. 15/2-2012.

0 10 000 20 000 30 000 40 000 50 000 60 000

Antall boliger

Demografiberegnet vekst i bebodd boligbestand, basert på alternativ MMMM Beregnet avgang

Byggebehov

Fullførte boliger 2015-2018

Figur 7: Beregnet byggebehov 2015-35, basert på alternativ MMMM i SSBs siste befolkningsframskriving.

(18)

18 // SAMFUNNSØKONOMEN NR. 3 2019 ØYVIND KRAGH KJOS

ØYVIND KRAGH KJOS Førstekonsulent, SSB

KONTANTER I DAG¹²

Kontanters rolle minker, men er i flere land fortsatt viktig for fattige og individer med lav inntekt. Kontantbruken i Norge og noen andre land synker, men dette er slett ikke tilfellet over alt. Selv om antallet kontantløse transaksjoner på verdensbasis nesten doblet seg fra 269 mrd. i 2009 til 482 mrd. i 2016,³ brukes kontanter fortsatt i stor grad

1 Kommentaren er basert på masteroppgaven forfatteren skrev ved Uni- versitetet i Bergen våren 2018, under tittelen «Kontanter, svart øko- nomi og negative renter - En utredning av mulige konsekvenser ved å fase ut kontanter». For en mer detaljert gjennomgang av det som behandles i kommentaren, se oppgaven. Eventuelle henvendelser kan sendes til [email protected].

2 Det eksisterer åpenbart flere andre konsekvenser av å fase ut kontanter, samt en rekke ulemper (først og fremst knyttet til anonymitet og bered- skap), men dette omtales ikke her.

3 Se Capgemini og BNP PARIBAS. (2018). World Payments Report 2018.

til å gjennomføre mindre transaksjoner, og det sirkulerer enorme mengder av betalingsmiddelet på verdensbasis.

I tillegg utgjør høyvalørsedler, som den gjennomsnittlige innbygger sjelden eller aldri bruker, store mengder av kon- tantene i sirkulasjon.

Figur 1 viser verdien av den totale mengden kontanter i omløp i et utvalg land.⁴ Norge, Sverige og Danmark er i den ene enden av skalaen og USA i den andre. Som andel av BNP scorer også Norge, Sverige og Danmark (sammen

4 Dataene for landene i figur 1-3 er basert på nyeste tilgjengelige informasjon. Det spesifikke årstallet det er snakk om varierer mellom 2017 og 2018. Norge, Sverige og Danmark: 2018. Storbritannia, EU, Sveits, Japan og USA: 2017. Her, og ved alle valutaomregninger senere i kommentaren, er valutakurser per 9. februar 2019 benyttet.

Er det på tide å fase ut kontanter? ¹

En rekke elementer er innbakt i dette spørsmålet, og de potensielle konsekvensene av å utfase betalingsmiddelet er mange. Et samfunn med få eller ingen kontanter vil gjøre det vanskeli- gere å gjennomføre store anonyme betalinger, noe som sannsynligvis vil ha betydelig innfly- telse på aktiviteter innen svart økonomi. En utfasing av kontanter vil også kunne åpne døren for signifikant negative nominelle styringsrenter. Med kontanter som et alternativ, vil aktører alltid kunne få en rente på minst null prosent (eller marginalt lavere, gitt kostnader knyttet til lagring og håndtering av kontanter) og det vil være ønskelig å besitte kontanter fremfor bank- innskudd dersom renten blir tilstrekkelig negativ. I denne kommentaren rettes det et blikk mot hvilken innvirkning en kontantutfasing vil kunne ha på svart økonomi og muligheten for negative renter, samt mulige alternativer til det fysiske betalingsmiddelet.

²

Foto: Per Kristian Lie Løwe, Konsis Grafisk AS

(19)

OMMENTAR

ØYVIND KRAGH KJOS

følger hakk i hel med nesten 80 prosent. I Norge står 1000-lappen for drøyt 30 prosent av verdien på kontanter.⁵

KONTANTERS SKYGGESIDE – SVART ØKONOMI

«Vi ser på kontanter som drivstoffet i den svarte øko- nomien», sa skattedirektør Hans Christian Holte i 2017 (Skatteetaten, 2017). Kontanters anonyme natur hjelper de som vil unndra skatt og operere under radaren. Aktiviteter innenfor svart økonomi er et økonomisk og samfunnsmes- sig problem av flere årsaker. Staten taper skatteinntekter og aktører som opererer svart får uberettigede konkurran- sefordeler overfor lovlydige aktører. Kriminalitet påfører samfunnet store kostnader og er en utelukkende negativ påkjenning for et lands innbyggere. Kontanter har alltid hatt en viktig rolle innen svart økonomi og utviklingen i nye transaksjonsteknologier har gjort kontanter mer peri- fere innenfor den «hvite» økonomien.

Kontanter i den lovlydige delen av økonomien

Rogoff (2016) understreker at banker og bedrifters beholdning av kontanter kun utgjør en beskjeden del av kontanter i sirkulasjon. Derfor er det konsumenters bruk av betalingsmiddelet som må anvendes for å forklare kontantbruk og -beholdning tiltenkt lovlige transaksjonsfor- mål. I USA utføres det med jevne mellomrom en detaljert undersøkelse, hvor konsumenter fører dagbøker om

5 Legges 500-lappen til, er vi oppe i 68,3 prosent.

45 55 93

759 771

9 067

12 336 13 569

0 5 000 10 000 15 000

Norge Sverige Danmark Sveits Storbritannia Japan EU28 USA

Figur 1: Verdien av total mengde kontanter i omløp (mrd.

NOK).

(Kilde: SSB 2019a, Sveriges Riksbank 2019, Danmarks Nationalbank 2018, SNB 2018, BOE 2019, ECB 2019, Federal Reserve 2018, BOJ 2019.)

1,3 % 1,5 %

3,2 % 3,7 %

6,9 % 8,4 %

16,3 % 21,0 %

0% 5% 10% 15% 20% 25%

Sverige Norge Storbritannia Danmark EU28 USA Sveits Japan

Figur 2: Verdien av total mengde kontanter i omløp som andel av BNP.

(Kilde: SSB 2019b, SCB 2018, Damnarks statistik 2018, Federal Statistical Office 2018, ONS 2019, Eurostat 2019, BEA 2018, Cabinet Office 2019.)

med Storbritannia) lavt, mens Japan har soleklart flest kontanter i omløp, tilsvarende 21 prosent av landets BNP (figur 2).

Figur 3 illustrer andelen av verdien på utstedte kontanter landenes største pengeseddel i aktiv sirkulasjon utgjør.

Japan topper listen med sin 10000 yen-seddel, som utgjør nesten 90 prosent av landets kontanter. USAs $100-seddel

5,53%

20,70%

23,96%

31,28%

47,49%

53,75%

79,67%

88,70%

0% 20% 40% 60% 80% 100%

Sverige EU28 Storbritannia Norge Danmark Sveits USA Japan

Figur 3: Største papirseddels andel av total mengde kontanters verdi.

(Kilde: Norges Bank 2019, Sveriges Riksbank 2019, Danmarks Nationalbank 2018, SNB 2018, BOE 2019, ECB 2019, Federal Reserve 2018, BOJ 2019.)

(20)

20 // SAMFUNNSØKONOMEN NR. 3 2019 ØYVIND KRAGH KJOS

bruk av betalingsmidler.⁶ Undersøkelsen, sist gjennomført i Oktober 2017, viste at konsumenter brukte og besatt kun en moderat del av kontanter i sirkulasjon. Antallet kon- tanttransaksjoner utgjorde for perioden så mye som 30 prosent av antall transaksjoner i landet, men dette svarte kun til 8,5 prosent av verdien.

Bagnall m.fl. (2014) harmoniserer resultatene fra syv lands studier (Australia, Canada, Frankrike, Nederland, Tyskland, USA og Østerrike) av konsumenters kontantbruk og -beholdning mellom 2009 og 2012. Den gjennomsnittlige kontanttransaksjonen og -beholdningen (på tvers av landene) ble beregnet til hhv. $17,7 og $84.

I 2017 fikk Danmarks Nationalbank, ved hjelp av beta- lingsdagbøker og en spørreundersøkelse, kartlagt danske konsumenters betalingsvaner (Smestad, 2017). Kontanter ble kun brukt i 23 prosent av alle transaksjoner, tilsvarende 16 prosent av verdien, og en dansk innbygger holdt i gjennomsnitt 337 DKK.⁷ Sveriges Riksbanks undersøkelse om svenskers betalingsvaner, sist gjennomført i 2018, avslørte at kontanter hadde liten betydning som betalings- middel, uavhengig av transaksjonsverdi. Kun 13 prosent sa de betalte med kontanter ved sitt forrige kjøp i butikk (Sveriges Riksbank, 2018).

For Norges del, intervjuet Olsen (2017) 1000 personer gjennom NORSTAT, hvor 37 prosent sa de aldri brukte kontanter, mens kun 4 og 5 prosent brukte henholdsvis mest eller bare kontanter. Respons Analyse utførte i 2016 en undersøkelse på vegne av Sparebank1 Gruppen, med et landsrepresentativt utvalg på 1009 individer. Hele 91 prosent foretrakk å benytte andre betalingsmidler enn kontanter. En undersøkelse utført av Kantar TNS for Forbrukerrådet i 2016, resulterte i noe mer nyanserte resultater, da 50 prosent informerte om at de brukte kontanter ukentlig (Forbrukerrådet, 2018).

Skatteunndragelse

Anslag av skattegap⁸ i ulike deler av verden er enorme.

En kontantutfasing vil kun redusere dem noen få

6 Slike dagboktilnærminger er informative, men en bør ta sine forhånds- regler når resultatene tolkes, ettersom de er basert på (relativt) små utvalg. «Diary of Consumer Payment Choice 2017», Greene og Sta- vins (2018), hadde 2800 respondenter; dette er et solid nummer, som mange vil anse som et representativt utvalg, men det er fortsatt lavt, gitt den amerikanske økonomiens mangfoldighet.

7 Et tall som dras opp av eldre, da 15 prosent av 70-79 åringer innehar mer enn 1000 DKK.

8 Differansen mellom skatt som, i teorien, skulle blitt betalt og faktisk betalt skatt. Skattegapet er følgelig representert ved skatt som ikke inn-

prosentpoeng, men den potensielle økningen i skatteinn- tektene vil være solid, trass gapenes usikre faktiske stør- relse.

USAs skattemyndighet, IRS, beregnet det gjennomsnittlige årlige skattegapet for årene 2008-2010 til $458 milliarder (4187 mrd. NOK) (IRS, 2016). Schneider og Buehn (2012) anslo det gjennomsnittlige nivået på unndratt skatt relativt til BNP til 3,2 prosent for OECD-land mellom 1999 og 2010. En studie av alle 28 medlemsland i EU viste et totalt merverdiavgift-gap (MVA-gap) på €151,5 milliarder (1468 mrd. NOK) for 2015, noe som utgjorde 12 prosent av total forventet MVA-inntekt (CASE, 2017).

IMF (2016a) anslo MVA-gapet for Danmark til drøyt 2 prosent av potensiell MVA-inntekt i 2012. Skatteverket i Sverige beregnet landets skattegap til rundt 10 prosent av beregnet skatt, eller 5 prosent av BNP (Skatteverket, 2008).

I Norge benytter vi oss av Sveriges prosentanslag, noe som tilsvarer en størrelse på 145 milliarder NOK i 2018.

Kriminalitet

FNs kontor for narkotika og kriminalitet, UNODC, har beregnet at rundt $2,1 billioner (16,4 billioner NOK) eller 3,6 prosent av globalt BNP i 2009 ble hvitvasket (UNODC, 2011). Slike anslag må nødvendigvis tas med en klype salt, da de er langt fra presise. Selv om tallene skulle være feilberegnet, forblir bildet det samme; hvitvasking fore- kommer i enorme dimensjoner. Hvitvasking er ofte er en forutsetning for annen kriminalitet og ved kontantbruk unngår kriminelle bryderiet med å hvitvaske.⁹ Kostnaden ved utførelsen av annen kriminalitet er derfor lavere enn i en situasjon uten kontanter.¹⁰ UNODC har anslått de årlige inntektene fra narkotikahandel til om lag 0,4-0,6 prosent av globalt BNP. Verdien av totalt narkotikaforbruk i Norge ble anslått til omtrent 1,8 milliarder NOK i 2008 (Evensen, 2011).

De er utfordrende å måle presist, men kostnadene for samfunnet knyttet til bestikkelser er blitt beregnet til rundt 2 prosent av globalt BNP i 2015 (IMF, 2016b).¹¹ Et eksempel som demonstrerer hvilke utfordringer korrupte

rapporteres og betales eller som et lands skattemyndighet ikke avdek- ker gjennom kontroller.

9 Ulovlig opptjente kontanter kan dog også settes i legitimt omløp («vas- kes») gjennom innskudd i banken.

10 Uten kontanter vil kriminelle i stor grad måtte belage seg på banker for å hvitvaske. Bankene skal ha kontroll, men flere hvitvaskingsskandaler i banker i det siste tyder på at det fortsatt er en lang vei å gå.

11 Tilsvarer mellom $1,5 og $2 billioner. Dette er en ekstrapolering gjort av økonomen Daniel Kaufmann basert på hans tidligere beregning på 1,1 billioner dollar i Kaufmann (2005). De totale sosiale kostnadene